L’elettrocardiogramma (ECG) è uno strumento diagnostico fondamentale. Lo sviluppo dell’elettronica degli ultimi decenni ha reso possibile l’acquisizione dell’ECG ad alta frequenza, che ha aperto la possibilità di un progressivo miglioramento delle prestazioni diagnostiche. I metodi di Machine Learning (ML) e di Deep Learning (DL) sono strumenti in grado di aiutare a fornire un’interpretazione veloce e consistente dei segnali ECG ad alta frequenza. L’obiettivo di questo lavoro è quello di costruire una pipeline per la classificazione di segnali ECG standard usando modelli di ML, con la prospettiva di adottare il classificatore selezionato come base solida per gli studi futuri sull’ECG ad alta frequenza di campionamento.